面向工业控制系统异常检测的对抗样本生成
密码学与安全
2025-05-07 v1 机器学习
摘要
基于机器学习（ML）的入侵检测系统（IDS）容易受到对抗攻击。对于 IDS 而言，在恶意实体利用对抗样本之前学会识别它们至关重要。在本文中，我们使用雅可比显著性映射攻击（JSMA）生成了对抗样本。我们验证了对抗样本的泛化性和可扩展性，以应对针对工业控制系统（ICS）的广泛真实攻击。我们通过评估使用所提方法生成的多种攻击来评估其影响。使用对抗样本训练的模型在未用于训练的真实世界攻击数据上检测攻击的准确率达到 95%。该研究是在一个运行中的安全水处理（SWaT）测试平台上进行的。
引用
@article{arxiv.2505.03120,
title = {Adversarial Sample Generation for Anomaly Detection in Industrial Control Systems},
author = {Abdul Mustafa and Muhammad Talha Khan and Muhammad Azmi Umer and Zaki Masood and Chuadhry Mujeeb Ahmed},
journal= {arXiv preprint arXiv:2505.03120},
year = {2025}
}
备注
Accepted in the 1st Workshop on Modeling and Verification for Secure and Performant Cyber-Physical Systems in conjunction with Cyber-Physical Systems and Internet-of-Things Week, Irvine, USA, May 6-9, 2025